LeetCode-999.由斜杠划分区域 dfs和并查集两种方法

这里是题目描述:LeetCode-999.由斜杠划分区域

方法1:dfs方法

本解法参考LeetCode官网题解【图解算法】三种详细解法!中的方法1

大体步骤是:将NxN网格中的每个1x1方块划分成3x3的更小的方格,整个网格就被划分成了(3N)x(3N)个更小的方格。然后将各个对角线斜杠上填充1来代表斜杠,其余部分全部填充为0。这样,问题就转化成了求整个(3N)x(3N)网格中有几个0连通块,可以用dfs来求得连通块个数

更详细的描述见上面的参考题解链接题解

dfs方法题解代码:

public class Solution {
    public int regionsBySlashes(String[] grid) {
        int N=grid.length;
        int[][] board=new int[3*N][3*N]; //每个网格分割成3*3的小网格
        for(int i=0;i<grid.length;i++) //遍历grid中的斜杠信息,将board中对应的斜线位置从0置1
        {
            for(int j=0;j<grid[i].length();j++)
            {
                char ch=grid[i].charAt(j);
                if(ch=='/')
                {
                    int row=i*3,line=j*3+2;
                    for(int k=0;k<3;k++,row++,line--)
                    {
                        board[row][line]=1;
                    }
                }
                else if(ch=='\\')//ch=='\'
                {
                    int row=i*3,line=j*3;
                    for(int k=0;k<3;k++,row++,line++)
                    {
                        board[row][line]=1;
                    }
                }
            }
        }
        int res=0;
        for(int i=0;i<board.length;i++)
        {
            for(int j=0;j<board[i].length;j++)
            {
                if(board[i][j]==0)
                {
                    res+=1;
                    dfs(board,i,j);
                }
            }
        }
        return res;
    }
    void dfs(int[][] board,int r,int l) //深度优先遍历一个连同的0区域
    {
        board[r][l]=1;
        //上下左右四个方向搜索
        if(r>0 && board[r-1][l]==0)
        {
            dfs(board,r-1,l);
        }
        if(r<board.length-1 && board[r+1][l]==0)
        {
            dfs(board,r+1,l);
        }
        if(l>0 && board[r][l-1]==0)
        {
            dfs(board,r,l-1);
        }
        if(l<board[r].length-1 && board[r][l+1]==0)
        {
            dfs(board,r,l+1);
        }
    }
}
方法2:并查集法

本题参考LeetCode官网题解
关于官方 并查集 题解 的 自我理解 加 补充 JAVA
【图解算法】三种详细解法!中的方法2

并查集法的具体过程步骤见上面两个参考题解

并查集法题解代码:

class Solution {
    Patch[] patch;
    HashMap<Integer, HashSet<Integer>> unionFindSets;
    public int regionsBySlashes(String[] grid) {
        int N=grid.length;
        patch=new Patch[N*N*4];
        unionFindSets=new HashMap<>();
        for(int i=0;i<N*N*4;i++) //将每个方块的4个区域初始化为一个集合,rootId是它本身的id
        {
            patch[i]=new Patch(i,i);
            HashSet<Integer> set=new HashSet<>();
            set.add(i);
            unionFindSets.put(i,set);
        }
        for(int i=0;i<grid.length;i++)
        {
            String s=grid[i];
            for(int j=0;j<s.length();j++)
            {
                int index=i*N*4+j*4;
                char ch=s.charAt(j);
                if(ch=='/') //分别合并本方块中的0、1和2、3
                {
                    mergeSet(index+0,index+1);
                    mergeSet(index+2,index+3);
                }
                else if(ch=='\\') //分别合并本方块中的0、3和1、2
                {
                    mergeSet(index+0,index+3);
                    mergeSet(index+1,index+2);
                }
                else //ch==' ',将本方格中的0、1、2、3合并为一个
                {
                    mergeSet(index+0,index+1);
                    mergeSet(index+0,index+2);
                    mergeSet(index+0,index+3);
                }
            }
        }
        for(int i=0;i<N;i++)
        {
            for(int j=0;j<N;j++)
            {
                int index=i*N*4+j*4;
                if(j<N-1) //3和右边的方格的1合并
                {
                    int index2=i*N*4+(j+1)*4;
                    int root=patch[index+3].rootId;
                    int root2=patch[index2+1].rootId;
                    if(unionFindSets.get(root).size()>=unionFindSets.get(root2).size())
                    {
                        mergeSet(root,root2);
                    }
                    else
                    {
                        mergeSet(root2,root);
                    }
                }
                if(i<N-1) //2和下边的方格的0合并
                {
                    int index3=(i+1)*N*4+j*4;
                    int root=patch[index+2].rootId;
                    int root3=patch[index3].rootId;
                    if(unionFindSets.get(root).size()>=unionFindSets.get(root3).size())
                    {
                        mergeSet(root,root3);
                    }
                    else
                    {
                        mergeSet(root3,root);
                    }
                }
            }
        }
        return unionFindSets.size();
    }
    void mergeSet(int root1,int root2) //合并两个集合
    {
        if(root1==root2)
        {
            return;
        }
        HashSet<Integer> set1=unionFindSets.get(root1);
        HashSet<Integer> set2=unionFindSets.get(root2);
        for(int id:set2)
        {
            set1.add(id);
            patch[id].rootId=root1;
        }
        unionFindSets.remove(root2);
    }
}

class Patch
{
    int id;
    int rootId;

    public Patch(int id, int rootId) {
        this.id = id;
        this.rootId = rootId;
    }
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法。 LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值